语音情感识别 课件.pptVIP

5　展望 5　展望 至今,有关语音情感识别的研究已经取得了丰硕成果,就其情感特征提取和识别算法而言,尚有许多问题需要探索和解决。 * 展望1 研究者们已分析了多种类型的特征与情感变化的关系特性,但就各类特征提取而言,不同的提取方法产生不同的特征精度,如基频的提取目前仍是一项开放的研究课题。 因此,更加准确的特征提取方法有待进一步研究。 * 展望2 由于语音情感变化引起语音的诸多特征发生变化,将多种特征混合起来可以更全面地表示情感。 多类特征组合将是特征获取的一个研究方向。 * 展望3 特征混合带来的最直接的问题是特征维数可能很高。 准确率不与特征空间的维数成正比,且在高维情况下分类器的泛化能力反而会减弱。 语音情感高效识别,必须进行针对性的情感声学特征降维和选择等方法的研究。 基于智能算法的特征选择方法作了一些尝试,但研究仍需深入。 * 展望4 不同的训练和测试环境导致语音情感特征参数的变异,也使识别系统的性能明显降低,影响这种变异的因素包括环境、生理、心理、文化背景、语境、语义等。 如何充分利用好这些影响情感的因素,有待深入地研究。 * 展望5 高效、稳定的语音情感识别算法仍将是未来研究的热点,而将现有的几种主要算法各取所长、集成使用将有可能是解决该问题的有效途径。 * 展望6 部分文献的仿真结果虽然取得了较高的识别率,但鲜有文献从识别模型本身进行识别算法优劣的深层次理论分析。 为识别模型优劣提供理论支持有待研究。 * 谢 谢！ 参考文献 [1]田岚,姜晓庆,侯正信.多语种下情感语音基频参数变化的统计分析[J].控制与决策, 2005,20(11): 1311-1313. [2] HYUN K H, KIM E H, KWAK Y K. Emotional feature extraction based on phoneme information for speech emotion recognition[C]//Proc of the 16th IEEE International Symposium on Robot Human Interactive Communication.2007: 802-806. [3]王治平,赵力,邹采荣.基于基音参数规整及统计分布模型距离的语音情感识别[J].声学学报, 2006,31(1): 28-34. * * [4]ZHAO L,i CAO Yu-jia,WANG Zhi-ping,et al.Speech emotional recognition using global and time sequence structure featureswithMMD[C] //Proc of the 1st InternationalConference onAffectiveComputing and Intelligent Interaction. Berlin: Springer, 2005: 311-318. [5] KAISER J F.On a simple algorithm to calculate the energy ofa signal[C] //Proc of IEEE InternationalConference on Acoustics, Speech, and SignalProcessing. 1990: 381-384. [6] NWE TL, FOO SW,DE SILVA LC.Classification ofstress in speech using linear and nonlinear features[C]//Proc of IEEE International Conference on Acoustics, Speech, and SignalProcessing. 2003: 9-12. * [7] GAO Hu,i CHEN Shan-guang, SU Guang-chuan. Emotion classification ofmandarin speech based on TEO nonlinear features[C] //Proc of the 8thACIS InternationalConference on SoftwareEngineering, Artificial Intelligence,Networking, and Parallel/Distributed Computing.Washington DC: IEEE ComputerSociety, 2007: 394-398. [8] RAMAMOHAN S, DANDAPAT S. Sinusoidal model-